基于SOC的电动汽车智能低压技术研究及应用

刘延涛，苏建华



基于SOC的电动汽车智能低压技术研究及应用

刘延涛，苏建华

（郑州中电新能源汽车有限公司，河南 郑州 450047）

电动汽车相比传统汽车因使用了更多的电子控制单元（ECU）而产生更大的静态电流，导致辅助蓄电池（Auxiliary battery，ABT）亏电现象时常发生。为此提出一种智能低压技术，通过监测ABT荷电状态（SOC），实现在ABT即将亏电时发送预警信息给用户，并适时自动启动直流-直流变换器（DC/DC）给ABT充电。结合开路电压法（OCV）和无迹卡尔曼滤波算法（UKF）实时在线估算SOC。实车试验结果表明智能低压技术达到预期目标，能有效避免车辆ABT亏电；配备该技术的车辆在静置停放6个月后仍然顺利启动，ABT未有亏电现象。

智能低压；防亏电；无迹卡尔曼滤波；自动补电；SOC估算；智能12V

前言

目前大部分电动汽车ABT仍然沿用传统汽车使用的铅酸电池。ABT作为汽车的重要部件，为整车提供A级电压（低压）电源[1]，对车辆的安全性至关重要。如果ABT出现亏电现象，就会导致车辆无法启动，从而带来安全隐患。

电动汽车相比传统燃油汽车使用了更多了ECU部件，且这些ECU大都需要ABT常电来维持待机及数据记忆保存。这无疑增大了整车静态功耗，也使得电动汽车上的ABT负荷压力增大。车辆如果长期静置停放，比如未销售出去的库存车以及长期不运营的电动物流车等，很容易造成ABT亏电现象。为此需要研究一种电动汽车智能低压技术，确保ABT时刻有充足电量支持车辆顺利启动。

1 智能低压技术原理

车辆A级电压平台通常分为12V（9~16V）和24V（18~ 32V）两种，尤以12V电压平台应用最为广泛，本文以12V低压系统为研究对象。电动汽车采用DC/DC给ABT充电，DC/DC工作前提有2个，分别是a：车载可充电储能系统（REESS）[2]提供B级电压（高压）电源；b：DC/DC使能信号被激活。满足这两点条件后DC/DC即可将B级直流电压变换为A级14V直流电给ABT充电。

电动汽车在静置停放时实时监测辅助蓄电池SOC（记做SOCABT），当SOCABT过低时自动启动DC/DC为ABT智能补电。为此需要设置3个阈值，一个低压亏电报警阈值Va1，一个智能补电开启阈值Va2，一个智能补电关闭阈值Va3。当SOCABT

智能补电关闭条件有如下几个：a、当SOCABT>Va3后断开B级电压，停止智能补电；b、智能补电进行过程中检测有钥匙12V信号或充电12V信号时，停止智能补电，进入正常行车或充电模式；c、为了避免REESS出现过放电，当REESS的SOC（记做SOCREESS）≤0.15时，通过Tbox向用户发送REESS亏电预警信息，提醒用户及时给车辆充电。如果SOCREESS≤0.05时，REESS禁止放电，关闭智能补电功能。

智能低压技术原理流程图如图1所示。实现的关键在于SOCABT估算及阈值Va1、Va2、Va3设定。

图1 智能低压技术原理流程图

2 SOC估算

目前国内外学者对铅酸电池SOC估算方法做了很多研究，提出了很多种SOC估算算法[3]。归纳目前常用的SOC估算方法有：开路电压法（OCV），安时积分法（Ah），扩展卡尔曼滤波算法（EKF），无迹卡尔曼滤波算法（UKF），神经网络法，支持向量机等。由标准卡尔曼滤波算法（KF）演化而来的EKF和UKF算法是当前最热门的研究方法。

EKF和UKF算法都支持实时在线估算SOC，且估算误差普遍低于4%。UKF相比EKF算法省去了计算雅克比矩阵，且能逼近泰勒级数3级精度，本研究采用UKF算法估算SOCABT。具体的UKF算法在大量的文献资料中都有详细介绍，本文在此不在赘述。本文主要介绍如何建立适用于UKF的电池模型状态空间方程。

2.1 电池模型建立

UKF算法建立在高精度的电池模型之上，所以估算SOC之前必须建立合适的且能反应电池动态过程的电池模型。目前常用的较高精度电池模型有PNGV模式，Thevenin模型，Randles模型，二阶RC模型等。这些模型各有优缺点，其中Randles模型尤其适合铅酸蓄电池使用[4]。但是由于现在的车用铅酸蓄电池自放电速度非常慢，所以可以忽略电池的自放电效应，如此可将Randles模型简化如图2所示。

图2 本研究使用的电池模型

C—电池储能电容，两端电压U为开路电压；

R—电池欧姆内阻，描述端电压突变特性；

C—电池极化电容，描述极化渐变特性；

R—电池极化电阻，描述极化突变特性；

充放电电流，充电为正放电为负。

以电池端电压为输出，充放电电流为输入，其等效数学表达式如下：

该模型的好处是可以将传递函数转化为差分方程，进而构造状态空间方程，实现在线辨识模型参数。

2.2 模型参数辨识

电池模型参数辨识方法也有诸多研究，比如混合脉冲功率特性测试（HPPC），含遗忘因子的递推最小二乘法（FFRLS），KF算法等[5]。HPPC属于离线辨识方法， FFRLS和KF算法可以实现在线辨识。充放电过程中模型参数C、R、C、R具有时变性，固化的模型参数必然会给后续SOC估算带来较大误差。故本研究选用KF算法在线辨识电池模型参数。

将模型中的输入和输出进行拉普拉斯变换得到模型传递函数：

在实际应用过程中需要连续系统离散化，通过采样信号研究连续系统的特性。将式（2）进行变换转变为离散系统传递函数：

联立式（1）和式（3）可解得C、R、C、R参数的计算方法如下。T为采样周期，一般为1s。

根据变换的位移性质，将电压差定义为：Δ()=(1--1)()，则式（3）可转换为：

转化为差分方程形式如下：

式中ΔU= U-U为测量到的电压增量，定义=[bbbb]T为状态量，F=[ ΔUIII]为系数矩阵。该方程作为测量方程，可构建用于KF算法的线性系统状态空间方程如下：

式（7）中过程噪声和测量噪声相互独立，遵循均值为0的高斯分布，其方差矩阵分别为和。通过KF迭代可得任一采样时刻的状态量θ，带入式（4）可得任一采样时刻的C、R、C、R。

2.3 UKF估算SOC

根据安时积分法定义，离散系统SOC估算可表示为：

式（8）中CN代表ABT标称额定容量，单位A.s；η代表充放电库伦效率，充电时取η=1，放电时取η<1；T为采样周期，一般取1s。

对式（1）解微分方程得：

式（9）中=RC为时间常数。

大量的研究表明铅酸电池OCV与SOC之间存在近似线性对应关系[6]，拟合函数关系式如下[7]：

结合式（1）、（8）、（9），以=[SOC U]T为状态向量构建SOC估算状态空间方程：

式（11）中过程噪声和测量噪声相互独立，遵循均值为0的高斯分布，其方差矩阵分别为和。通过UKF迭代可得任一采样时刻的SOC。

3 阈值设定

阈值Va选择以SOC为基准，记做VaSOC。低压亏电报警阈值Va1和智能补电开启阈值Va2都处于车辆静置过程中，此时ABT的耗电来自于微小的整车静态电流，可认为≈U。根据式（10），可将选择基准转换为OCV，记做VaOCV，故Va1SOC、Va2SOC可转换为Va1OCV、Va2OCV。智能补电关闭阈值Va3触发时，ABT处于充电状态，此时>U，不能以OCV为基准，仍以SOC为基准，记做Va3SOC。

3.1 低压亏电报警阈值Va1

Va1是为了提醒用户ABT即将亏电，让用户自己打开钥匙给ABT充电。触发Va1报警时ABT应该还有足够的电量保证车子正常启动，同时要考虑电压采集线压降，所以Va1不能定的过低。如果定的过高，则会增加低压亏电报警频率，反而给用户带来不良印象。综合考虑之下，设定Va1SOC= 0.3。根据式（10），此时对应OCV基准阈值Va1OCV=11.91V。

3.2 智能补电开启阈值Va2

如果使用者在收到Va1报警后不做处理，那SOCABT将继续下降。当Va2被触发时车辆将自行开启B级电压，激活DC/DC为ABT补电。此时ABT应仍有足够的电量供给整车控制器（VCU）、电池管理系统（BMS）、高压继电器工作，保证智能补电顺利开启。但Va2设置如果过低，考虑电压采集线压降，极易造成ABT过放电而无法启动智能补电。综合考虑之下，设定Va2SOC= 0.2，根据式（10），此时对应OCV基准阈值Va2OCV=11.78V。

3.3 智能补电关闭阈值Va3

ABT从亏电到充满需要数个小时，充电期间一直在消耗REESS能量。REESS能量非常宝贵，为了减少REESS能量损耗，智能补电时间不宜过长。但是Va3被触发时需保证ABT被充入了足够的电量能够支持车辆长时间停放。综合考虑之下，设定Va3SOC=0.9。

4 智能低压技术应用

4.1 智能低压控制器

根据前述控制原理，研制了一款智能低压控制器。控制器采用PIC16LF1508做主控芯片，实时采集ABT端电压，确定Va1和Va2。智能补电开始后通过DC/DC采集ABT充电电流发送给主控芯片，从而实现UKF的测量更新。主电路原理如图3所示。

图3 智能低压控制器电路原理图

4.2 实车试验

实车试验分为：功能验证试验和实车静置试验。

4.2.1功能验证试验

将智能低压控制器装配到3辆某型号纯电动物流车上同时试验，3辆车SOCREESS分别为0.8（车1），0.1（车2），0.05（车3），分三轮，每轮进行3次试验。为了快速验证功能，在关钥匙的情况下，打开车辆电子水泵（功率55w）和电子风扇（功率120w）给ABT放电。第一次：快速拉低ABT端电压至Va1OCV，触发Va1报警。之后断开电子风扇继续放电，缓慢拉低端电压至Va2OCV，触发Va2开启智能补电。之后断开电子水泵，等待SOCABT达到Va3SOC触发Va3后关闭智能补电。第二次：复制第一次试验，开启智能补电后打开钥匙。第三次：复制第一次试验，开启补电后插枪充电。

试验结果：3辆车在三轮测试中均能按照既定目标发送预警信息，其中车1和车2能开启智能补电，在智能补电持续约80分钟后结束，说明此时控制器检测到SOCABT≥0.9。当智能补电过程中打开钥匙或插枪充电都能结束智能补电并进入正常行车或充电模式。车3由于REESS低电量保护而无法进入智能补电，最终导致ABT亏电。

4.2.2实车静置试验

试验方法：采用50辆同型号电动物流车为样本，按照SOCREESS区间划分组别。其中40辆装配智能低压控制器（前4组），其余10辆不装（第5组），如表1所示。将所有车辆停放在同一个地方，同时开始记录数据。每隔10天检查ABT端电压和车辆能否顺利启动，总共记录6个月数据。

表1 实车静置试验样本分配

试验结果如表2所示。可以看出大部分装配智能低压控制器的车辆都能按照既定目标实现智能补电，组4中部分车辆经过4个月的停放后因SOCREESS≤0.05导致智能补电功能关闭。部分车辆即便是装配有智能低压控制器且REESS电量充足，仍然没有顺利启动智能补电而导致ABT亏电。经过调查发现这部分车辆的ABT健康状态（SOH）已非100%，SOH降低后的OCV-SOC曲线会发生变化，从而导致智能补电失败。SOH-SOC的联合估算将是下一步的研究目标。

表2 实车静置试验结果

5 结论

本文提出一种基于SOC估算的电动汽车智能低压技术。根据辅助蓄电池的充放电特性，采用OCV和UKF的 SOC联合估算方法，估算精度高且计算量少。该技术可采用低成本芯片实现也可以集成在VCU或BMS等部件中。实车试验结果表明本文提出的智能低压技术在SOH降低不多的情况下可靠有效，但如果SOH降低过多则效果不佳。下一步的研究目标是纳入SOH估算，考虑不同SOH下的智能低压控制策略。

[1] 工业和信息化部.电动汽车术语:GB/T 19596-2017[S].北京:中国标准出版社, 2017.

[2] 工业和信息化部.电动汽车安全要求第1部分:车载可充电储能系统(REESS):GB/T 18384.1-2015[S].北京:中国标准出版社,2015.

[3] 王通,于洁,马文会,等.电池管理系统SOC估算方法研究进展[J].电源技术,2018,42(2):312-315.

[4] 方海涛.汽车铅酸电池SOC实时在线估计方法研究与实现[D].合肥:合肥工业大学,2016.

[5] 邱焕尧,王宏朋,黄凯.基于无迹卡尔曼滤波算法的锂电池SOC估计[J].汽车实用技术,2018(19): 22- 24.

[6] KONG-SOON N, CHIN-SIEN M, CHEN Yi-ping, et al. State-of- charge estimation for lead-acid batteries based on dynamic open- circuit voltage[C]//Power and Energy Conference, 2008. PECon 2008. IEEE 2nd International, 2008: 972-976.

[7] JANTHARAMIN N, ZHANG L. A new dynamic model for lead- acid batteries[C]//Power Electronics, Machines and Drives, 2008. PEMD 2008. 4th IET Conference on, 2008: 86-90.

Research and application of intelligent low-voltage technology for EVbased on SOC

Liu Yantao, Su Jianhua

( CETCEV, Henan Zhengzhou 450047 )

Compared with traditional vehicle, electric vehicle (EV) generate more quiescent current due to the use of more electronic control units (ECU), resulting in auxiliary battery (ABT) power deficit phenomenon often occurs. In this paper, an intelligent low-voltage technology is proposed. By monitoring the state of charge (SOC) of the ABT, early warning message is sent to users when ABT is about to power deficit, and the DC/DC converter is automatically started to charge ABT in time. Combining open-circuit voltage (OCV) and unscented Kalman filter (UKF) to estimate SOC on-line in real time. The actual vehicle test results show that the intelligent low-voltage technology achieves the expected goal and can effectively avoid the ABT power deficit. The vehicle equipped with this technology still starts smoothly after 6 months' parking, and the ABT has no power deficit.

intelligent low-voltage; preventpower deficit; UKF; automatic charge; SOC estimation; intelligent 12V

10.16638/j.cnki.1671-7988.2019.10.018

U469.72

A

1671-7988(2019)10-49-04

U469.72

A

1671-7988(2019)10-49-04

刘延涛，硕士学位，工程师，就职于郑州中电新能源汽车有限公司，主要研究方向为新能源汽车及智能网联汽车技术。